面向任务的无人机集群自主决策技术

无人机集群协同作战的自主化、智能化是未来军事指挥控制技术发展的重要趋势, 为满足日趋重视的集群应用需求, 提出了面向协同作战任务的无人机集群自主决策技术概念与体系, 建立了无人机集群多任务的通信-决策-规划-控制（communication, decision, planning, control；CDPC）自主决策框架. 根据通信拓扑结构建立了集中式、完全分布式和混合式的决策样式, 在此基础上, 分别建立了感性任务推理决策模型和理性任务推理决策模型, 探讨了模型的求解框架以及关键技术解决途径, 表示无人机集群任务决策对协同作战的规划和实施具有较好的指导意义.

2020 年 1 月, 中国科学院发布的 《2019 年人工 智能发展白皮书》中将“群体智能技术”列为八大人工 智能关键技术之一[1] , 随着智能系统与复杂体系、感 知与判断、分布式协同、人工智能和算法战等理论 与技术的不断发展与突破, 智能系统已呈现出无人 化、集群化和自主化等特征[2] . 无人机集群作为未来集 群智能系统的主要形式, 能够实现单平台行为决策、 多平台任务协同, 具有集群涌现特性, 表现出了巨大 的应用前景. 无人机集群任务环境弹性大、态势变化 快、传感器信息不完全、通信结构不稳定, 是以决策 为主的对抗. 因此, 协同自主决策作为“感知-判断决策-行动 （observation-orientation-decision-action, OODA）”环路循环中的关键技术引起了国内外广泛 关注[3-5] . 无人机集群在复杂动态变化的环境下, 如何 根据不确定的态势信息, 实施可解释的自主决策推 理, 确定高效可靠的任务协同执行方式对保障集群 安全, 提升作战效能至关重要.

按照系统科学的观点[6] , 无人机集群系统多平台 异构、任务需求众多、输入态势变化、战术目的复 杂、约束条件耦合, 为解决以上问题, 需要面向无人 机集群多任务设计自主决策规划框架, 降低系统研 究的复杂性. 文献[7]基于不确定攻防博弈态势信息 搭建了无人机集群对抗博弈模型, 并设计博弈成本 函数计算最优策略；文献[8]提出了一种多无人机分 布式智能自组织算法, 将集群侦察-打击任务优化问 题分解为多个局部优化问题, 并通过集群与环境和 集群之间的信息交流实现全局优化决策；文献[9]针 对区域侦察等典型集群任务, 采用深度学习方法构 建任务决策模型, 然后基于遗传算法对决策模型进 行优化, 为集群实现离线学习和在线决策提供了有 效支撑, 然而现有成果从多任务角度出发, 对集群自 主决策问题进行研究相对较少.

对于集群系统协同作战任务方面的研究, 主要 以任务规划问题为主[10] , 此类问题大都是事先拟定好 了任务输入类型和约束, 是一种有目标信息的多约 束优化问题. 然而对于集群如何获得准确的任务目 标信息, 并根据态势进行动态任务调整并没有考虑, 此问题正是集群协同任务决策的研究重点. 现阶段 无人机决策问题研究大都聚焦于空战过程中的机动 动作决策[11-12] , 或者某个明确任务场景中的决策, 如集 群打击任务等[13-14] , 没有从集群协同作战过程中战术 战略及任务的多样性和复杂性方面开展自主决策研 究. 因此, 本文针对这个问题, 分析了集群任务自主 决策概念、任务定义与分类, 设计了自主决策的流 程；应用分层研究思想提出一种自主决策框架, 并根 据通信结构定义不同的决策模式；结合多种技术途径 对无人机集群自主决策建模的体系结构和求解框架 进行了分析和探讨.